待验证50% 置信观点精确时间

如果训练数据建立在模糊、重叠的症状标签上，基于这些标签的机器学习模型将继承甚至放大诊断的不确定性

1

来源数

50%

置信度

长期有效

时效性

2026/10/3

首次发现

来源

ADHD、自闭症还是复杂创伤？诊断难题的交织本质

涉及实体

AI辅助诊断concept

相关事实

待验证机器学习模型可能过度拟合特定训练样本，在生成内容时意外重现原始数据细节，称为训练数据记忆化76% 相似已验证当模型训练数据包含评测集题目或高度相似内容时，模型可能通过记忆而非真正理解获得高分76% 相似待验证主流机器学习模型依赖于从历史数据中学习模式，当极端事件训练样本极少或为零时难以有效预测75% 相似待验证领先模型若被用于生成训练数据，可能将自身偏差系统性地传递给下一代，即'模型坍塌'风险74% 相似待验证模型在面对训练分布之外（分布外查询）的问题时，可能退化为基于表面模式的猜测74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/971035

API

curl https://kongchang.com/api/v1/knowledge/claims/971035

MCP

get_claim(id=971035)